[發明專利]物聯網電池電量測量方法、裝置、系統、設備及存儲介質

在審

• 申請號: 202011091345.4
• 申請日: 2020-10-13
• 公開（公告）號: CN112269136A
• 公開（公告）日: 2021-01-26
• 發明（設計）人: 邊道京;李軒
• 申請（專利權）人: 深圳市智達百川科技有限公司
• 主分類號: G01R31/389
• 分類號: G01R31/389;G01R31/388;G01R31/36
• 代理公司: 深圳龍圖騰專利代理有限公司 44541
• 代理人: 王春穎

1.一種物聯網電池電量測量方法，其特征在于，包括：

獲取待測量的物聯網電池的電量參數信息，所述電量參數信息包括電壓信息、電流信息、溫度信息以及持續工作時間信息；

根據所述電量參數信息以及預設的電池電量測量模型，確定所述物聯網電池的剩余電量；所述預設的電池電量測量模型是通過預先采集的攜帶有電量參數信息的若干電池放電樣本經深度學習神經網絡訓練生成。

2.根據權利要求1所述的物聯網電池電量測量方法，其特征在于，所述生成預設的電池電量測量模型的步驟，具體包括：

獲取若干電池放電樣本；

獲取所述若干電池放電樣本的電量參數信息以及所述電量參數信息對應的目標剩余電量；

根據所述第一電池放電樣本的第一電量參數信息以及含有可變參數的深度學習神經網絡模型確定所述第一電量參數信息對應的第一響應剩余電量；

計算所述第一響應剩余電量以及與所述第一電量參數信息對應的第一目標剩余電量之間的第一損失差異；

判斷若干電池放電樣本的損失差異是否滿足預設的條件；

當判斷所述若干電池放電樣本的損失差異不滿足預設的條件時，調整所述深度學習神經網絡模型中的可變參數，并返回至根據所述第一電池放電樣本的第一電量參數信息以及含有可變參數的深度學習神經網絡模型確定所述第一電量參數信息對應的第一響應剩余電量的步驟；

當判斷所述若干電池放電樣本的損失差異滿足預設的條件時，將當前所述含有可變參數的深度學習神經網絡模型確定為預設的電池電量測量模型。

3.根據權利要求1所述的物聯網電池電量測量方法，其特征在于，還包括：

當所述物聯網電池的剩余電量低于預設閾值時，向用戶發送電量警示。

4.一種物聯網電池電量測量裝置，其特征在于，包括：

電量參數信息獲取單元，用于獲取待測量的物聯網電池的電量參數信息，所述電量參數信息包括電壓信息、電流信息、溫度信息以及持續工作時間信息；以及

電量確定單元，用于根據所述電量參數信息以及預設的電池電量測量模型，確定所述物聯網電池的剩余電量；所述預設的電池電量測量模型是通過預先采集的攜帶有電量參數信息的若干電池放電樣本經深度學習神經網絡訓練生成。

5.根據權利要求4所述的物聯網電池電量測量裝置，其特征在于，還包括：

模型訓練單元，用于通過預先采集的攜帶有電量參數信息的若干電池放電樣本經深度學習神經網絡訓練生成預設的電池電量測量模型。

6.根據權利要求4所述的物聯網電池電量測量裝置，其特征在于，還包括：

電量警示單元，用于當所述物聯網電池的剩余電量低于預設閾值時，向用戶發送電量警示。

7.一種物聯網電池電量測量系統，其特征在于，包括如權利要求4所述的物聯網電池電量測量裝置以及與所述物聯網電池電量測量裝置相互連接的物聯網電池、電路切換模塊；

所述電路切換模塊，用于當響應于用戶對物聯網電池電量測量請求操作，根據物聯網終端的工作情況對電路進行切換處理；

所述物聯網電池電量測量裝置，用于獲取物聯網終端工作情況下的物聯網電池的電量參數信息；根據所述電量參數信息以及預設的電池電量測量模型，確定所述物聯網終端工作情況下的物聯網電池的剩余電量。

8.根據權利要求7所述的物聯網電池電量測量系統，其特征在于，所述電路切換模塊，包括LDO供電電路以及DCDC供電電路，用于響應于用戶對物聯網終端工作情況下物聯網電池電量測量請求操作，將LDO供電電路切換為DCDC供電電路；響應于用戶對物聯網電池電量結束測量操作，將DCDC供電電路切換為LDO供電電路。

9.一種計算機設備，其特征在于，包括存儲器和處理器，所述存儲器中存儲有計算機程序，所述計算機程序被所述處理器執行時，使得所述處理器執行權利要求1至3中任一項權利要求所述物聯網電池電量測量方法的步驟。

10.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質上存儲有計算機程序，所述計算機程序被處理器執行時，使得所述處理器執行權利要求1至3中任一項權利要求所述物聯網電池電量測量方法的步驟。